Tehisintellekti treenimise andmed | Microsofti usalduskeskus

Microsofti tehisintellekti mudelite treenimiseks kasutatavatele andmete lahenduse keskmes on usaldus ja läbipaistvus.

Selle lehe eesmärk on jagada meie lahendust, kirjeldades eri kategooria andmeid, mida treenimiseks kasutame, ning seda, mida me teeme, et anda veebiväljaandjatele ja sisuloojatele kontroll selle üle, kuidas nende sisu mudelite treenimiseks kasutatakse.

Mida tähendab tehisintellekti mudeli treenimine?

Tehisintellekti mudelid teevad ennustusi andmete põhjal. Treenimise ajal tuvastab tehisintellekti mudel mustreid, seoseid ja kontseptsioone suurel hulgal andmetest ning kasutab seejärel õpitut küsimustele või päringutele vastuste genereerimiseks. Mudelit saab häälestada eri kategooria treeningandmete abil, et optimeerida genereerimisvõimalusi kindlate teabeklasside jaoks, nagu loomulik keel, tarkvarakood või pildid. Seda saab siduda ka organisatsiooni enda andmetega – näiteks kindlas valdkonnas, nagu põllumajandus, tervishoid või jaemüük.

Genereeriva tehisintellekti mudelid pole mõeldud algsete treeningandmete talletamiseks, kasutamiseks või taastootmiseks. Selle asemel on nende mudelite eesmärk genereerida uusi väljendusrikkaid teoseid ja sisu.

Kaks inimest seisavad siseruumis ja vaatavad suurt monitori, mille ekraanil on kuvatud diagrammid ja näitajad.

Uurige, kuidas Microsoft treenib genereeriva tehisintellekti mudeleid mitmekesiste andmete põhjal

Suured ja mitmekesised andmekogumid on tänapäevaste tehisintellektisüsteemide loomisel hädavajalikud. On ülioluline, et mudelite arendamiseks kasutataks laia valikut andmeid, et need oleksid täpsemad, esindaksid paremini erinevaid kultuure ja keeli ning õpiksid tundma ja rakendama kogu inimeseks olemise kogemust ja leidlikkust.

Treenime valitud avalikult kättesaadavate andmete põhjal, mis pärinevad valdkonnastandarditele vastavatest masinõppe andmekomplektidest ja veebianalüüsidest. Jätame välja allikad, millel on maksumüür ja sisu, mis rikub meie poliitikaid, ning need, kus on meie avaldatud veebipõhiste juhtelementide abil treenimisest loobutud. Veebist kogutud andmeid filtreeritakse ohutuse tagamiseks ja töödeldakse, et eemaldada ebaseaduslik sisu, sealhulgas laste seksuaalset kuritarvitamist kujutav materjal (CSAM) kohaldatavate õigusaktide ja Microsofti vastutustundliku tehisintellekti poliitikate järgi.

Järgime standardeid, nagu robots.txt sildid, mida veebiväljaandjad kasutavad veebianalüüsist loobumiseks. Me ei kasuta andmeid, mis on pärit domeenidelt, mis on loetletud Ameerika Ühendriikide kaubandusesindaja ameti (USTR) võltsimise ja piraatluse suhtes kurikuulsate turgude nimekirjas.
Need on treeningandmed, millele meil on juurdepääs läbiräägitud kokkulepete alusel näiteks väljaandjate ja autoriõiguste omanikega.
Neid andmeid kogutakse valitud Microsofti tarbijateenustest ja kaitstakse meie Microsofti privaatsusavalduse alusel. Meie Microsoft Copiloti ajaveebis ja Copiloti KKK-s on selgitatud, kuidas me kasutame Copiloti, Bingi ja Microsoft Starti (MSN) tarbijaandmeid, et aidata treenida meie mudeleid Copilotis. Teeme kasutajatele loobumise lihtsaks ja võtame kaitsemeetmeid, näiteks eemaldame tunnused, mille alusel võidakse teid tuvastada, et kaitsta kasutaja privaatsust. Me ei kasuta oma suurettevõteklientide andmeid ilma nende loata.
Mõnikord treenime tehisandmekomplektide põhjal. Neid loome nii, et anname suurtele keelemudelitele (LLM-idele) käsu genereerida konkreetselt soovitud väljundi, mis täiendab nappi või piiratud pärismaailmaandmeid. Seejärel vaadatakse tulemused läbi ja filtreeritakse, sealhulgas inimhindajate poolt, et tagada nende piisav kvaliteet treeningandmestiku osaks saamiseks.
Me kaasame oma treeningusse tehisintellekti treenijate, simuleeritud vastaste, töötajate ja väliste märgete tegijate inimtagasisidet. See hõlmab näiteks inimtagasisidet, mis tugevdab kasutaja päringule vastavat kvaliteetset väljundit ja parandab lõppkasutuskogemust. Simuleeritud vastased testivad mudelit ka kahjulike või ebaturvaliste päringute suhtes ning nende tagasisidet kasutatakse mudeli ohutu käitumise parandamiseks.

Lisaks meie enda Microsofti mudelitele integreerime oma toodetesse ja teenustesse ka mitmesuguseid muid mudeleid, sealhulgas OpenAI omi. Lisateave selle kohta, kuidas OpenAI mudeleid treenib.

Mõned veebiväljaandjad ja sisuomanikud soovivad kasuliku ja kaasava tehisintellekti toetamiseks suuremat sõnaõigust selle üle, kuidas nende sisu kasutatakse. Veebiväljaandjate juhtelemendid on kasulikud, aga need pole täislahendus. Teeme koostööd teiste valdkonnategijatega, kirjastajatega, standardiorganitega ja sisukogukonnaga, et teha kindlaks ühine lähenemine, mida saame kõik toetada ja kasutada.